-
题名基于图像特征匹配的煤泥浮选泡沫速度特征提取方法
被引量：12
- 1
-
-
作者
郭中天
王然风
付翔
魏凯
王宇龙
-
机构
太原理工大学矿业工程学院
山西焦煤集团有限责任公司博士后工作站
-
出处
《工矿自动化》
北大核心
2022年第10期34-39,54,共7页
-
基金
国家自然科学基金项目(52274157)
内蒙古自治区重点专项项目(2022EEDSKJXM010)
山西省重点研发计划项目(202102100401015)。
-
文摘
煤泥浮选泡沫图像局部静态特征相似,一些较为复杂的工况判断需要用到浮选泡沫图像的动态特征,而现有的针对煤泥浮选泡沫速度动态特征的提取方法存在准确性、实时性和稳定性不足问题。针对上述问题,提出了一种基于图像特征匹配的煤泥浮选泡沫速度特征提取方法。首先,采用限制对比度自适应直方图均衡化(CLAHE)和三维块匹配滤波(BM3D)对浮选泡沫图像进行预处理,以提高图像质量,突出图像的边缘细节特征。其次,采用加速KAZE(AKAZE)算法对浮选泡沫特征进行特征点检测。然后,在利用暴力匹配(BF)对泡沫图像特征进行粗匹配的基础上,采用基于网格的运动统计(GMS)算法快速可靠地区分正确与错误的特征匹配。最后,根据特征匹配结果计算煤泥浮选泡沫速度,并以此为测量值,利用卡尔曼运动估计方法对得到的测量值进行迭代修正,得到更稳定的煤泥浮选泡沫速度特征。实验结果表明:(1) AKAZE-GMS算法较好地解决特征点簇集的同时又尽量保留了更多数量的特征点,这是因为预处理后图像受噪声影响降低、对比度增强、边缘特征更突出。(2)与SIFT(尺度不变特征转换)、SURF(加速稳健特征)、AKAZE算法相比,AKAZE-GMS算法匹配对分布更为均匀,保留了更多正确的匹配对,匹配精度达99.99%,且运行时间仅需3.73 s。(3)直接经过特征匹配结果计算得到的泡沫速度测量值波动幅度较大,测量值经过卡尔曼运动估计修正后的速度估计值较为平稳,更符合真实工况。
-
关键词
煤泥浮选
浮选泡沫速度
浮选泡沫动态特征
图像特征匹配
快速鲁棒特征匹配过滤
卡尔曼运动估计
-
Keywords
coal slime flotation
flotation froth velocity
dynamic features of flotation froth
image feature matching
fast robust feature matching filtering
Kalman motion estimation
-
分类号
TD948
[矿业工程—选矿]
-
